Gegevens tabel

Klasse gegevens tabel

Een gegevensset is gegevens die zijn geüpload naar Azure Machine Learning Studio (klassiek), zodat deze kan worden gebruikt in het model proces. Zelfs als u gegevens in een andere indeling uploadt of een opslag indeling opgeeft, zoals CSV, ARFF of TSV, worden de gegevens impliciet geconverteerd naar een DataTable object wanneer het wordt gebruikt door een module in een experiment.

Notitie

Van toepassing op : machine learning Studio (klassiek)

Deze inhoud is alleen van toepassing op Studio (klassiek). Er zijn Vergelijk bare modules voor slepen en neerzetten toegevoegd aan Azure Machine Learning Designer. In dit artikel vindt u meer informatie over de twee versies.

De gegevensset is gebaseerd op de .NET- gegevens tabel

Kolom typen

Een DataTable bestaat uit een verzameling kolommen met gekoppelde meta gegevens. Deze kolommen implementeren de- IArray interface. Kolommen met gegevens in Machine Learning Studio (klassiek) zijn begrepen als eendimensionale matrices, dat wil zeggen, vectoren.

De klasse .NET array implementeert deze algemene interfaces: System.Collections.Generic.IList<T> , System.Collections.Generic.ICollection<T> en System.Collections.Generic.IEnumerable<T> .

Kolommen met typen int , double en Boolean worden meestal weer gegeven als numerieke, compacte matrices. Als een kolom met een dichtheid ontbrekende waarden bevat, wordt deze verwerkt als een ontbrekende waarden matrix of als een compacte matrix van het object nullable.

Kolommen met teken reeksen worden behandeld als object-compacte matrices. Als er waarden ontbreken, worden de ontbrekende waarden weer gegeven als nullen of als het type MissingValuesObjectArray<string> .

Zie matrix klasse (MSDN-bibliotheek)voor meer informatie.

Kolommen ophalen in een DataTable

U kunt een kolom ophalen door de GetColumn methode op de DataTable aan te roepen. De GetColumn methode heeft twee Overloads:

  • GetColumn(<Int64>) Hiermee wordt een kolom opgehaald op basis van de index.

  • GetColumn(<string>) Hiermee wordt een kolom opgehaald met de naam.

Andere interfaces in Studio (klassiek)

In deze sectie worden ook de volgende interfaces voor Azure Machine Learning beschreven:

Type Beschrijving
ICluster-interface De ICluster-interface definieert de structuur van cluster modellen.
IFilter-interface De IFilter-interface definieert de structuur van de verwerkings filters voor digitale signalen die worden toegepast op een hele reeks numerieke waarden. Filters kunnen worden gemaakt en vervolgens worden opgeslagen en toegepast op een nieuwe reeks.
ILearner-interface De ILearner-interface biedt een algemene structuur voor het definiëren en opslaan van analytische modellen, met uitzonde ring van enkele speciale typen zoals cluster modellen.
ITransform-interface De ITransform-interface biedt een algemene structuur voor het definiëren en opslaan van trans formaties. U kunt een iTransform maken met behulp van Machine Learning Studio (klassiek) en vervolgens de trans formatie Toep assen op nieuwe gegevens sets.

Zie ook

Gegevens typen van module